E-(;) = E(2,-;) serait une fenêtre de la forme E#172;
b(;) = v-0
~ ~;~ -- v-(;), b ç 0 où
v est définie par le produit de deux fenêtres
passe-bas mono-dimensionnelles.
CHAPITRE IV : DECOMPOSITION D'UN SIGNAL EN CURVELETS :
APPLICATION A LA COMPRESSION D'IMAGES FIXES
Ceci nous permet de séparer les échelles dans le
domaine Cartésien ; il nous reste alors à étudier le cas
de la séparation angulaire. En supposant que la fenêtre V
respecte la condition d'admissibilité de l'Erreur : source de la
référence non trouvée, on peut poser :
£
Y-(;) = Y(2
:8:) La fenêtre Cartésienne recherchée sera
alors :
8ê
Rapport Rédigé et présenté par SIMO
TEGUEU et EMBOLO AURELIEN Page 35
![](Compression-d-images-fixes-comparaison-des-methodes-par-transformations-en-ondelettes-et-celle-par12.png)
(a) Pavage du plan fréquentiel (b) Pavage du plan
fréquentiel
dans le domaine continu dans le domaine discret
![](Compression-d-images-fixes-comparaison-des-methodes-par-transformations-en-ondelettes-et-celle-par13.png)
Figure 10 Pavage du plan fréquentiel de l'image de
Lenna sous MATLAB dans le
domaine discret
Rapport Rédigé et présenté par SIMO
TEGUEU et EMBOLO AURELIEN Page 36
CHAPITRE IV : DECOMPOSITION D'UN SIGNAL EN CURVELETS :
APPLICATION A LA COMPRESSION D'IMAGES FIXES
I.2 COMPRESSION D'UNE IMAGE SOUS MATLAB SELON L'ALGORITHME
FCDT
L'idée est de déterminer les coefficients de
décomposition de l'image en curvelets en utilisant le script
FCDT_usfft_matlab de la boîte à outils Curvelab
développée récemment par l'université Stanford,
leur appliquer un seuillage dont le coefficient dépend du taux de
compression espéré. Nous avons à cet effet
développé une interface ergonomie d'appréciation des
résultats.
![](Compression-d-images-fixes-comparaison-des-methodes-par-transformations-en-ondelettes-et-celle-par14.png)
Figure 11 Décomposition et approximation d'une image
par pavage du plan fréquentiel
dans le domaine discret sous MATLAB
|